Upload
orlando-casagrande
View
213
Download
0
Embed Size (px)
Citation preview
Metodi Quantitativi per il Management
Emanuele Borgonovo1
Emanuele Borgonovo
Metodi Quantitativi per il Management
Prima Edizione
Decision
Market
Return
Structural
Metodi Quantitativi per il Management
Emanuele Borgonovo2
Capitolo I:
Modelli
Metodi Quantitativi per il Management
Emanuele Borgonovo3
Modelli• Un modello è uno strumento matematico-logico che
l’analista, il manager, lo scienziato, l’ingegnere sviluppa per:– Predire il comportamento della realtà– Predire l’andamento di un mercato– Prendere una decisione relativa ad un investimento
• Elementi comuni ai modelli:– Incertezza iniziale– Una serie di ipotesi– Una serie di input– Eventi– Risultato (output) del modello
Metodi Quantitativi per il Management
Emanuele Borgonovo4
Costruzione del modello
• Richiede una conoscenza approfondita di:
– Problema– Eventi rilevanti rispetto al problema– Fattori che influenzano il comportamento delle
quantità di interesse– Raccolta dei dati e delle informazioni– Statement e calcolo delle incertezze– Verifica della coerenza del modello mediante
verifica empirica, se possibile, e analisi di sensitività
Metodi Quantitativi per il Management
Emanuele Borgonovo5
Esempio: la legge di gravità
• Vogliamo descrivere la caduta verticale di un corpo sulla superficie della terra. Adottiamo il modello: F=mg per la caduta dei corpi
• Ipotesi (?):– Corpo puntiforme (niente rotazioni)– Niente attrito– Niente correnti atmosferiche
• Funziona per la caduta di un corpo posto a grande distanza dalla superficie terrestre?
Metodi Quantitativi per il Management
Emanuele Borgonovo6
Capitolo II
Elementi introduttivi di Teoria della Probabilità
Metodi Quantitativi per il Management
Emanuele Borgonovo7
Probabilità
• E’ possibile definire la Probabilità?
• Sì, ma ci sono due scuole
• La prima dice che la probabiltà è una proprietà oggettiva degli eventi (Scuola Frequentista)
• La seconda dice che la Probabilità è una misura “soggettiva”della verosimiglianza degli eventi (De Finetti)
Metodi Quantitativi per il Management
Emanuele Borgonovo8
Kolmogorov Axioms
)B(P)A(P)BA(P
,esclusivimutuamenteBeASe
0)A(P
1)U(P
U BA
Metodi Quantitativi per il Management
Emanuele Borgonovo9
• Supponete di saltare dentro U a caso. Chiamate P(A) la probabilità di saltare in A. Quanto vale?
• Sarà l’area di A diviso l’area di U: P(A)=A/U• In questo caso P(U)=P(A)+ P(B)+ P(C)+ P(D)+ P(E)
Aree e rettangoli?
U
EDCBAU CA B D E
Metodi Quantitativi per il Management
Emanuele Borgonovo10
Probabilità Condizionata
• Prendete due eventi A e B. La probabilità condizionale di A dato B, è la probabilità di avere A dato che si è verificato B. Si scrive: P(A|B)
UB
AAB
Metodi Quantitativi per il Management
Emanuele Borgonovo11
Probabilità Condizionale
• Supponete ora che B è avvenuto. Quindi siete saltati dentro l’area B.
B
AAB
•Ora non protrete che concordare che:• P(A|B)=P(AB)/P(B)•Quindi: P(AB)=P(A|B) *P(B)
Metodi Quantitativi per il Management
Emanuele Borgonovo12
Eventi Indipendenti
• Due eventi, A e B, sono indipendenti se l’accadere di A non influenza la Probabilità di B e viceversa.
Se due eventi sono indipendenti: P(AB)=P(A)*P(B)
Metodi Quantitativi per il Management
Emanuele Borgonovo13
Probabilità e Informazione
• Problema: vi è data una scatola contenente due gioielli. La scatola è costruita in modo tale che con la stessa probabilità (1/2) i due gioielli sono tutti e due d’oro (evento A) o uno è d’oro e uno d’argento (evento B). Per sapere il contenuto della scatola vi è permesso di estrarre uno dei due gioielli dalla scatola. Supponete che sia d’oro. – Secondo voi avete guadagnato informazioni
dall’estrazione?– La probabilità che l’altro sia d’oro è ancora del 50%?– Sareste disposti a pagare per estrarre?
Metodi Quantitativi per il Management
Emanuele Borgonovo14
La probabilità di un evento cambia con l’informazione
Metodi Quantitativi per il Management
Emanuele Borgonovo15
Il Teorema di Bayes
• Ipotesi: A e B sono due eventi. L’evento A è accaduto.
• Tesi: la probabilità di B dato che A è avvenuto cambia come segue:
)A(P
)BA(P)B(P)AB(P
P(B) prima che A avvenisse
Prob. di B ora che A è avvenuto Prob. che A avvenisse
Probabilità di A dato B
Metodi Quantitativi per il Management
Emanuele Borgonovo16
Applichiamolo al problema
• Eventi:• A: tutti e due i gioielli sono d’oro• o: l’anello estratto è d’oro
• Il teorema dice:
• P(A)=probabilità che tutti e due siano d’oro prima dell’estrazione=1/2
• P(o)=probabilità che un anello sia d’oro=3/4• P(o|A)=probabilità che l’anello sia d’oro dato A=1 (tutti e due gli
anelli sono d’oro)
• Quindi:
)o(P
)Ao(P)A(P)oA(P
3/24/3
12/1)oA(P
Metodi Quantitativi per il Management
Emanuele Borgonovo17
Dimostrazione del Teorema
)B(P
)A(P)AB(P)BA(P
)A(P)AB(P)B(P)BA(P
)AB(P)AB(P
Punto di Partenza
Formula della probabilità condizionale
Tesi
Metodi Quantitativi per il Management
Emanuele Borgonovo18
U
Estensione al caso di più eventi
• Teorema probabilità totale: dati N eventi mutuamente esclusivi (A1, A2,…,AN) e esaustivi, la probabilità di un altro evento E in U è data da:
• Teorema di Bayes :
)D(P
)C(P)B(P)A(P1
B A C
D
E
)A(P)AE(P...)A(P)AE(P)A(P)AE(P)E(P NN2211
N
1iii
111
)A(P)AE(P
)A(P)AE(P)EA(P
Metodi Quantitativi per il Management
Emanuele Borgonovo19
Distribuzioni di Probabilità
• Fino ad ora abbiamo parlato di eventi “ discreti”. Ci sono eventi il cui spazio è continuo. Ad esempio il tempo di rottura di un componente o l’intervallo di tempo tra i terremoti. In questo caso la variabile aleatoria “tempo” spazia da 0 a +. Per descrivere questi eventi si utilizzano distribuzioni continue di probabilità. La variabile caratterizzata da una distribuzione di probabilità prende il nome di variable aleatoria.
Metodi Quantitativi per il Management
Emanuele Borgonovo20
Densità di Probabilità
• Una funzione è una densità di probabilità se:– E’ integrabile – e – se il suo integrale tra - e + è pari a 1.
• Significato: f(x0) è la probabilità che x sia in un intervallo dx attorno ad x0.
1dx)x(f
Metodi Quantitativi per il Management
Emanuele Borgonovo21
Distribuzione Cumulativa
• Quando una variabile x è casuale, la probabilità che essa assuma un valore inferiore od uguale ad un valore X è data da:
• Se f(x) è continua, allora:
• Notiamo:
X
dx)x(f)Xx(P
dx
dP)x(f
)Xx(P)Xx(Pdx)x(f)XxX(P 12
X
X
21
2
1
Metodi Quantitativi per il Management
Emanuele Borgonovo22
La distribuzione esponenziale
• Fenomeni per cui gli eventi sono:– Indipendenti– Caratterizzati da ratei costanti
• sono caratterizzati dalla cumulativa esponenziale:
• e dalla densità esponenziale:
Te1)Tt(P
te)t(f
Metodi Quantitativi per il Management
Emanuele Borgonovo23
La distribuzione esponenziale
• Supponiamo di avere a che fare con un problema di affidabilità e ci interessa caratterizzare il tempo di rottura di componenti industriali (Chiamiamolo t). t non è noto a priori (non sappiamo quando si romperà il prossimo componente). Tutto quello che possiamo dire è che puù variare con continuità tra 0 e (diciamo) inifinto. Quindi, è una variable casuale con distribuzione continua.
• Assumiamo intervalli di rottura indipendenti. Ciò funziona se, quando il componente si rompe, lo sostituiamo con uno nuovo o lo ripariamo perfettamente. Se valgono queste ipotesi, gli intervalli di rottura sono indipendenti e caratterizzati da tasso di rottura costante per ogni intervallo dt. Quale è la distribuzione di probabilità di t?
• Supponiamo di avere una popolazione di N(t) componenti al tempo t. Se è il tasso di rottura del singolo componente, allora N(t)dt è il numero di rotture nel tempo dt.
Metodi Quantitativi per il Management
Emanuele Borgonovo24
La distribuzione esponenziale
• Quindi:• -N(t)dt=N(t+dt)-N(t)=dN(t)• Il segno meno sta ad indicare che il numero di componenti
funzionanti è diminuito. • Quindi:
• Risolvendo:
• N(T) è il numero di componenti che è sopravvissuto fino al tempo T e N(0) è il numero di componenti di partenza. Ponete N(0)=1. Allora N(T)/N(0) vi dà la probabilità che un componente sopravviva fino a T.
T)0(N/)T(Nlndt)t(N
)t(dNdt
)t(N
)t(dN T
0
T
0
Te)0(N
)T(N
Metodi Quantitativi per il Management
Emanuele Borgonovo25
0 5 10 150
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
T/t
Illustrazione grafica
P(t<T)
f(t)
Metodi Quantitativi per il Management
Emanuele Borgonovo26
Valore atteso, varianza e percentili
xVdardSDeviazione
xExEdxxfxEx
xExExVVarianceVarianza
dxxxfxEValueExpectedattesoValore
:tan
)()(
)(:)(
)(:)(
222
2
Percentile p: è il valore Xp di x tale che la probabilità che x sia minore di Xp pari a p/100
Metodi Quantitativi per il Management
Emanuele Borgonovo27
La Distribuzione di Gauss
• Distribuzione simmetrica attorno al valor medio
• Densità:
• Cumulativa:
Xe
2
1)x(f
2)x
(2
1
G
dxe
2
1)Xx(P
2)x
(2
1
G
Metodi Quantitativi per il Management
Emanuele Borgonovo28
Grafici
-4 -3 -2 -1 0 1 2 3 40
500
1000
1500
2000
2500
3000Distribuzione Normale Standard
x
f(x)
-5 -4 -3 -2 -1 0 1 2 3 40
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000Cumulative Gaussian Distribution
x
)x(fG
)Xx(PG
Metodi Quantitativi per il Management
Emanuele Borgonovo29
Distribuzione Lognormale
• Funzione densità
• Funzione distribuzione cumulativa
x0e2x
1)x(f
2)xln
(2
1
L
X
0
)xln
(2
1
L
2
e2x
1)Xx(P
Metodi Quantitativi per il Management
Emanuele Borgonovo30
Grafici della distribuzione lognormale
0 20 400
0.1
.20
0
f x( )
500.07 x
0 20 400
0.5
11
0
f2 x( )
500.07 x
)x(fL
)Xx(PL
Metodi Quantitativi per il Management
Emanuele Borgonovo31
Problema II-1
• La frequenza di rottura del cambio di un’automobile è pari a 1/5 anni (densità esponenziale).
• Quale è il tempo medio di rottura del cambio?
• Quale è la probabilità che in 9 anni il cambio sia ancora integro?
Metodi Quantitativi per il Management
Emanuele Borgonovo32
Problema II-2
• State esaminando un test per selezionare l’ingresso degli studenti ad un corso particolarmente selettivo di un ’Università. Il test, come tutti i test, non è perfetto. Supponete che la classe prima del test (la vera distribuzione della classe) veda il 10% di adatti e il 90% di non adatti. Poi fate il test. Se lo studente è adatto ,il test lo ammette al 90%. Se lo studente non è adatto lo ammette al 10%. Ora, supponete di prendere uno studente che ha passato il test. – Quale è la probabilità che lo studente sia
effettivamente adatto?– Secondo voi il test funziona? Come lo usereste?– (Suggerimento: utilizzate il teorema della probailità
totale per la probailità di passare il test.)
Metodi Quantitativi per il Management
Emanuele Borgonovo33
Problema II-3
• Per il problema dei due anelli, calcolare:– La probabilità di essere nello stato B dato che
l’anello estratto è d’oro– La probabilità di essere nello stato B dato che
l’anello estratto è d’argento– La probabilità di essere in A dato che l’anello
estratto sia d’oro in due estrazioni consecutive– La probabilità di essere in B dato che che l’anello
estratto sia d’oro in due estrazioni consecutive
Metodi Quantitativi per il Management
Emanuele Borgonovo34
Soluz. Prob. II-1
• La frequenza di rottura del cambio di un’automobile è pari a 1/5 anni.
• Quale è il tempo medio di rottura del cambio?
• Quale è la probabilità che in 9 anni il cambio sia ancora integro?
%5.16e
)e1(1)9t(P1)9t(P9)5/1(
T
5/1dtet t
Metodi Quantitativi per il Management
Emanuele Borgonovo35
Soluz. Prob. II-3
3
• Per il problema dei due anelli, calcolare:
– La probabilità di essere nello stato B dato che l’anello estratto è d’oro
• Soluzione: ci sono solo due casi, A o B. Dunque P(Bo)=1-P(Ao)=1/3
– La probabilità di essere nello stato B dato che l’anello estratto è d’argento
• P(Ba)=1, dal testo del problema, dato che B è l’unico stato in cui l’anello può essere d’argento. Si può anche dimostrare con Bayes:
• P(Ba)=P(aB)*P(B)/[P(aB)* P(B)+P(aA)*P(A)]. Siccome P(aA)=0, ottneniamo subito 1.
– La probabilità di essere in A dato che l’anello estratto sia d’oro in due estrazioni consecutive
• Il teorema di Bayes si scrive:
)B(P)Bo2(P)A(P)Ao2(P
)A(P)Ao2(P)o2A(P
11
1
Metodi Quantitativi per il Management
Emanuele Borgonovo36
Sol. II-3• Dove, nella formula il pedice 1 indica le probabilità aggiornate dopo una
estrazione, ovvero: P1(B)=P(Bo)=1/3 e P1(A)=P(Ao)=2/3.
• A questo punto occorre notare che P(2o A)=1, e P(2o B)=1/2. P(2oB) è la probabilità che otteniamo oro al secondo tentativo, dato che siamo in B.
• Abbiamo quindi tutti I numeri da sostituire nella formula del teorema:
• In pratica, è lo stesso problema dell’esempio ma con le probabilità a priori aggiornate in base alla evidenza della prima estrazione
– La probabilità di essere in B dato che che l’anello estratto sia d’oro in due estrazioni consecutive
• Soluzione: 1-P(A 2o)=0.2
8.03/1*2/13/2*1
3/2*1
)B(P)Bo2(P)A(P)Ao2(P
)A(P)Ao2(P)o2A(P
11
1
Metodi Quantitativi per il Management
Emanuele Borgonovo37
Capitolo III:
Elementi di
Analisi delle Decisioni
Metodi Quantitativi per il Management
Emanuele Borgonovo38
An Investment Decision
• At time T, you have to decide whether, and how, to invest $1000. You face three mutually exclusive options: – (1) A risky investment that gives you $500 PV in
one year if the market is up or a loss of $400 if the market is down
– (2) A less risky investment that gives you $200 in one year or a loss of $160
– (3) The safe investment: a bond that gives you $20 in one year independently of the market
Metodi Quantitativi per il Management
Emanuele Borgonovo39
Decision Theory According to Laplace
• “The theory leaves nothing arbitrary in choosing options or in making decisions and we can always select, with the help of the theory , the most advantageous choice on our own. It is a refreshing supplement to the ignorance and feebleness of the human mind”.
• Pierre-Simon Laplace
• (March 28 1749 Beaumont-en-Auge - March 5 1827 Paris)
Metodi Quantitativi per il Management
Emanuele Borgonovo40
Decision-Making Process Steps
Problem identification
Alternatives identification
Model implementation
Alternatives evaluation
Sensitivity Analysis Further Analysis?
Yes
Best alternative implementation
No
Metodi Quantitativi per il Management
Emanuele Borgonovo41
Decision-Making Problem Elements
• Values and Objectives
• Attributes
• Decision Alternatives
• Uncertain Events
• Consequences
Metodi Quantitativi per il Management
Emanuele Borgonovo42
Gli Elementi del Problema• Obiettivi:
– Massimizzare il guadagno
• Attributi:– Money
• Alternative:– Invesitmento Rischioso (Risky)– Invesitmento Rischioso (Less Risky)– Investimento Sicuro (Safe)
• Eventi Casuali: – Il mercato
• Conseguenze: – Guadagno o perdita
Metodi Quantitativi per il Management
Emanuele Borgonovo43
Rappresentazione del Problema
• Diagrammi di Influenza • Alberi delle Decisioni
Decision
Market
Return
Structural
Market up
prob_upMarket down
1-prob_up
Less Risky
Market upprob_up
Market down
Risky
Safe
How should Iinvest $1000?
1-prob_up
Metodi Quantitativi per il Management
Emanuele Borgonovo44
Influence Diagrams
• Influence diagrams (IDs) are…“a graphical representation of decisions and
uncertain quantities that explicitly reveals
probabilistic dependence and the flow of
information”
• ID formal definition: – ID = a network consisting of a directed graph
G=(N,A) and associated node sets and functions (Schachter, 1986)
Metodi Quantitativi per il Management
Emanuele Borgonovo45
ID Elements
NODES
= Decision
= Random Event
= Utility
ARCS
• Informational Arcs
• Probabilistic Dependency Arcs
• Structural Arcs
Metodi Quantitativi per il Management
Emanuele Borgonovo46
ID Elements
Decision Node
Chance Node Value NodeChance Node
Decision Node
Conditional Arc
Probabilistic Dependency
Informational Arc
Sequential Decisions
Structural
Metodi Quantitativi per il Management
Emanuele Borgonovo47
Influence Diagram Levels
1. Physical Phenomena and Dependencies
2. “Function level”: node output states probabilistic relations (models)
3. “Number level”: tables of node probabilities
Metodi Quantitativi per il Management
Emanuele Borgonovo48
Case Study 2 - Leaking SG tube
• Influence Diagram for Case Study 2
DecisionsI - Normal Makeup
II - Shutdown
III - Reduce Power
IV - Isolate SG
Chemical VolumeControl System
SecondaryCooling
Primary
Cooling
Value
LeakageRate
days_to_shutdown
shutdown_cost
core_damage_cost
time_to_repair
Leakage from primaryto secondary, maximumrate of 20 l/hr
DeterministicInformation
Metodi Quantitativi per il Management
Emanuele Borgonovo49
Il Diagramma di Influenza
Decision
Market
Return
Structural
Metodi Quantitativi per il Management
Emanuele Borgonovo50
Alberi delle Decisioni
• Sono costituiti dal medesimo tipo di nodi dei diagrammi di influenza, ma mettono in evidenza tutte le possibili combinazioni degli eventi.
• Al posto degli archi ci sono “rami” o branches che emanano dai nodi in numero pari al numero di alternative o outcomes del nodo
• Rispetto ai diagrammi di influenza hanno il vantaggio di evidenziare I possibili patterns, ma lo svantaggio del ridursi della loro intelligibilità al crescere della complessità del problema.
Metodi Quantitativi per il Management
Emanuele Borgonovo51
The Decision Tree (DT)
Market up
Market down
1-prob_up
Less Risky
Market up
Market down
Risky
Safe
How should Iinvest $1000?
Metodi Quantitativi per il Management
Emanuele Borgonovo52
Soluzione degli alberi delle decisioni
• Equazione del payoff o della utilità di una alternativa:
• j=1…mi è l’indice di tutte le conseguenze associate alla scelta i
• Uj è l’utilità o il payoff della conseguenza j
• Pi(Cj) è la probabilità che la conseguenza Cj accada dato che si è scelta l’alternativa i
• In generale, sarà: P(Cj) =P(E1E2… EN), dove E1E2… EN sono gli eventi che devono accadere affinchè la conseguenza Cj si realizzi. Utilizzando le probabilità condizionali:
• P(Cj) =P(E1E2… EN)=P(EN| E1E2… )*…*P(E2| E1)*P(E1)
j
Cjii jU)C(P]U[E
Metodi Quantitativi per il Management
Emanuele Borgonovo53
Esempio
Market up
P.upC1
Market down
1-P.upC2
Blue Chip Stock
Market up
P.upC3
Market down
1-P.upC4
Risky investment
CD paying 5%C5
How should Iinvest $1000?
Metodi Quantitativi per il Management
Emanuele Borgonovo54
Soluzione del Problema
• Utilizzando la formula precedente:
21
2
1jjjRisky CP.up)1(CP.upC)C(P]U[E
43
2
1jjjLessRisky CP.up)1(CP.upC)C(P]U[E
5
2
1jjjLessRisky C1C)C(P]U[E
Metodi Quantitativi per il Management
Emanuele Borgonovo55
The Best Investment for a Risk Neutral Decision-Maker
Market up
0.600$200
Market down
0.400($160)
Blue Chip Stock$56
Market up
0.600$500; P = 0.600
Market down
0.400($600); P = 0.400
Risky investment$60
CD paying 5%return = $50
How should I
invest $1000?
Metodi Quantitativi per il Management
Emanuele Borgonovo56
Run or Withdraw?
You are the owner of a racing team. It is the last race of the season, and it has been a very good season for you. Your old sponsor will remain with you for the next season offering an amount of $50000, no matter what happens in the last race. However, the race is important and transmitted on television. If you win or end the race in the first five positions, you will gain a new sponsor who is offering you $100000, besides $10000 or $5000 praise. However there are unfavorable running conditions and an engine failure is likely, based on your previous data.
It would be very bad for the image of you racing team to have an engine failure in such a public race. You estimate the damage to a total of -$30000.
What to do? Run or withdraw?• A) Elements of the problem:
– What are your objectives– What are the decision alternatives– What are the attributes of the decision– What are the uncertain events– What are the alternatives
Metodi Quantitativi per il Management
Emanuele Borgonovo57
Example of a simple ID
Decision Engine Failure ProfitFinal Classification
Metodi Quantitativi per il Management
Emanuele Borgonovo58
From IDs to Decision Trees
Out of first five
1.000$20,000; P = 0.500
Failure
Engine Failure
0.500$20,000
Win
0.500$110,000; P = 0.250
In first five
0.300$105,000; P = 0.150
Out of first five
0.200$50,000; P = 0.100
No Failure
0.500$94,500
Run
Decision
$57,250
Old sponsor
1.000$50,000
Withdraw
Engine_Failure=0$50,000
Decision
pfailure=0.5
pfive=0.30
pout=0.2
pwin=0.5
Run : $57,250
Metodi Quantitativi per il Management
Emanuele Borgonovo59
Decisioni Sequenziali• Sono problemi decisionali in cui una o più decisioni appaiono
nel modello.• State decidendo a proporsito di un macchinario da acquistare. Avete a
disposizione tre modelli, A B e C. Il costo dei tre macchinari è pari a 150, 175 e 200 rispettivamente. Se acquistate il modello A, potete poi scegliere l’assicurazione A1, che ha un costo pari al 5% di A, e copre tutti i possibili guasti di A. Oppure potete scegliere l’assicurazione A2, che ha un costo pari al 3%, ma copre solo il trasporto. Se acquistate il modello B, l’assicurazione B1 ha un costo pari al 3% di B e copre tutti i guasti di B. L’assicurazione B2 costa il 2% e copre il trasporto. Per C, ritenuto il più affidabile, le assicurazioni costano il 2% e 1.5% rispettivamente. In base a queste informazioni e supponendo che la produttività dei macchinari sia la stessa, cosa decidete?
• (A: Probabilità di rottura nel periodo di interesse =5%)
• (B: Probabilità di rottura nel periodo di interesse =3%)
• (C: Probabilità di rottura nel periodo di interesse =2%
Metodi Quantitativi per il Management
Emanuele Borgonovo60
Diagramma di Influenza
Decision Assicurazione Ruttura Costo
Metodi Quantitativi per il Management
Emanuele Borgonovo61
Albero delle decisioni
1
Assicurazione
-150-5%*(150) = (£158); P = 1.000
Sì
0.050-150-2%*150-150 = (£303)
No
0.950-150*(1+2%) = (£153)
2(£161)
A
Decision
1 : (£158)
1-(175+3%*(175)) = (£180)
Sì
0.030-175-2%*175-175 = (£354)
No
0.970-175-2%*175 = (£179)
2(£184)
B1 : (£180)
1-200-2%*200 = (£204)
Sì
0.020-200-1.5%*200-200 = (£403)
No
0.980-200-200*1.5% = (£203)
2(£207)
C1 : (£204)
pA=0.05pB=0.03pC=0.02
A : (£158)
Metodi Quantitativi per il Management
Emanuele Borgonovo62
Valore dell’Informazione
• Abbiamo visto come la raccolta di informazioni sia essenziale nel prendere decisioni. Potremmo essere disposti a pagare per avere informazioni? Quanto?
• All’informazione può essere attribuito un valore in quanto contribuisce alla selezione delle alternative
• Il valore dell’informazione è il valore aggiunto che consegue dalla stessa (expected value of perfect information =EVPI):
• La definizione si legge: quanto vale la decisione dato che sappiamo l’informazione meno il valore della decisione senza l’informazione
• N.B.: ci riferiremo solo all’incertezza aleatoria
]ingBeforeKnow[E]Knowing[EEVPI
Metodi Quantitativi per il Management
Emanuele Borgonovo63
Esempio: l’investimento
Decision Market Value
Up
Market
0.500£500; P = 0.500
Down
0.500(£400); P = 0.500
RISKY
Decision
£50
Up
0.500£200
Down
0.500(£160)
LESS RISKY£20
SAFE
Market=0£20
P_UP=0.5RISKY : £50
Metodi Quantitativi per il Management
Emanuele Borgonovo64
Valore dell’informazione sull’andamento mercato
RISKY
Decision
£500; P = 0.500
LESS RISKY£200
SAFE£20
Up
Market
0.500RISKY : £500
RISKY(£400)
LESS RISKY(£160)
SAFE£20; P = 0.500
Down
0.500SAFE : £20
P_UP=0.5£260
DecisionMarket Value
Metodi Quantitativi per il Management
Emanuele Borgonovo65
EVPI Result
210
50260
]r[E]Knowing[EEVPI
Metodi Quantitativi per il Management
Emanuele Borgonovo66
Problemi
Metodi Quantitativi per il Management
Emanuele Borgonovo67
Quanto offrire?
• Voi lavorate per una compagnia nel settore della produzione di energia. La vostra compagnia si trova a fronteggiare la decisione su quanto offrire nella gara per il recupero del relitto di una SS.Kuniang, nave da trasporto per carbone. Se vinceste, la nave potrebbe essere riparata e destinata allo stoccaggio e trasporto di carbone. La vittoria e anche il risultato della decisione dipendono dal giudizio del tribunale della Guardia Costiera, che sarà noto solo dopo l’apertura delle buste di gara. Infatti, se la guardia costiera si pronuncerà per un basso valore della nave, significa che la nave è considerata recuperabile. Altrimenti, la nave sarà giudicata inservibile. Se non doveste vincere, la compagnia sarebbe costretta a comperare una nuova imbarcazione.
• Elencate gli elementi della decisione• Strutturate un diagramma di infuenza e l’albero delle decisioni
corrispondenti
Metodi Quantitativi per il Management
Emanuele Borgonovo68
Diagramma di influenza con tre eventi• Dati i seguenti elementi:
– Decisione con alternative 1 e 2– Eventi: A=(up, down); (B=high, low);(C=good, bad);
– Conseguenze Ci (una conseguenza per ciascuna delle combinazioni di eventi che si realizzano)
• Inoltere sapete che se si realizza A=Down, allora si realizza direttamente la condizione CAdown
• Disegnate il diagramma di influenza corrispondente al problema
• Disegnate l’albero delle decisioni corrispondente• Se ora l’evento C dipende da A, come cambia il diagramma di
influenza?• Come cambia l’abero delle decisioni?
Metodi Quantitativi per il Management
Emanuele Borgonovo69
• Dati i seguenti diagrammi di influenza e albero delle decisioni, date P_Alto e P_Alte|Alto, P_Alte|Basso, esprimere il valore delle alternative come funzione delle probabilità assegnate. Supponendo P_alto=0.5 e P_Alte|alto=P_Alte|basso=0.3, stimare la migliore decisione.
• Quale sarebbe la migliore decisione se, invence, ad un più alto costo di investimento corrispondesse un migliore risultato nelle vendite? Usare:• P_Alte|Alto=0.6 e P_Alte|Basso=0.2
Vendite_costi
Decisione
Vendite
Costo
Payoff
Alte
Vendite
P_Alte|Alto0
Basse1- P_Alte|Alto
-10
Alto
Costo
P_alto
AlteP_ P_Alte|Alto
20
Basse
1- P_Alte|Alto0
Basso
1-P_alto
Investo
Decisione
Non-Investo5
alto=0.5P_Alte=0.3P_alto=0.5
Metodi Quantitativi per il Management
Emanuele Borgonovo70
Guasto in produzione• Un sistema industriale composto da due linee ha subito un guasto ad una linea. La capacità
produttiva è quindi ridotta al 50%. Il management si trova di fronte alla seguente decisione e vi chiede una collaborazione. Vi viene spiegato che si può procedere a: 1) una riparazione intermedia, della durata di due giorni, con un costo di riparazione di €500000. Per ogni giorno di produzione perso si ha una perdita di incassi pari a €25000 al giorno (il valore giornaliero della produzione è di €50000). Dalle stime degli ingegneri, la probabilità di riparare perfettamente la linea rotta in due giorni è pari a P_2g . Nel caso in cui la riparazione non sia perfetta, la linea perderà il 15% della capacità produttiva; 2) un intervento più incisivo, della durata di 10 giorni, con un costo di riparazione di €1000000. Con probabilità P_10g la linea sarà come prima del guasto.
• Secondo voi la vita residua dell’impianto è importante per la decisione?• Supponete che vi siano ancora tre anni di vita per l’impianto. Quale intervento conviene
effettuare? – Individuate gli elementi della decisione– Realizzate il diagramma di influenza e l’albero delle decisioni corrispondente– Trovate il o i valori delle probabilità per cui conviene un intervento piuttosto che l’altro– Cosa consigliereste al direttore dell’impianto?
Metodi Quantitativi per il Management
Emanuele Borgonovo71
Valore dell’informazione
• Determinate il valore dell’informazione relativa a ciascuno degli eventi casuali nei seguenti problemi decisionali:
• Vendite_Costi (lez. 2)• Guasto in Produzione (lez.2)
• Ripetete la prova utilizzando, anzichè l’attributo profitto, la vostra funzione utilità per il denaro, determinata nel problema 2.
Metodi Quantitativi per il Management
Emanuele Borgonovo72
Soluzioni
Metodi Quantitativi per il Management
Emanuele Borgonovo73
Soluzione Diagr. 3 Eventi
D ec is io n
A
B
CC o n s eq u en c es
Skip Arc
• Diagramma di Influenza I
Metodi Quantitativi per il Management
Emanuele Borgonovo74
good
C
(No Payoff)
bad(No Payoff)
high
B
good(No Payoff)
bad(No Payoff)
low
up
A
down
B=0C=0
(No Payoff)
1
Decision
good(No Payoff)
bad(No Payoff)
high
good(No Payoff)
bad(No Payoff)
low
up
down
B=0C=0
(No Payoff)
2
Soluzione
• Corrispondente Albero delle Decisioni
Metodi Quantitativi per il Management
Emanuele Borgonovo75
Soluzione
• Diagramma di Influenza II
Decision
A
B
CConsequences
Metodi Quantitativi per il Management
Emanuele Borgonovo76
Soluzione
• Albero delle Decisioni II:good
C
(No Payoff)
bad(No Payoff)
high
B
good(No Payoff)
bad(No Payoff)
low
up
A
good(No Payoff)
bad(No Payoff)
down
B=0
1
Decision
good(No Payoff)
bad(No Payoff)
high
good(No Payoff)
bad(No Payoff)
low
up
good(No Payoff)
bad(No Payoff)
down
B=0
2
Metodi Quantitativi per il Management
Emanuele Borgonovo77
• Dati i seguenti diagrammi di influenza e albero delle decisioni, date P_Alto e P_Alte|Alto, P_Alte|Basso, esprimere il valore delle alternative come funzione delle probabilità assegnate. Supponendo P_alto=0.5 e P_Alte|alto=P_Alte|basso=0.3, stimare la migliore decisione.
• Quale sarebbe la migliore decisione se, invence, ad un più alto costo di investimento corrispondesse un migliore risultato nelle vendite? Usare:• P_Alte|Alto=0.6 e P_Alte|Basso=0.2
Vendite_costi
Decisione
Vendite
Costo
Payoff
Alte
Vendite
P_Alte|Alto0
Basse1- P_Alte|Alto
-10
Alto
Costo
P_alto
AlteP_ P_Alte|Alto
20
Basse
1- P_Alte|Alto0
Basso
1-P_alto
Investo
Decisione
Non-Investo5
alto=0.5P_Alte=0.3P_alto=0.5
Metodi Quantitativi per il Management
Emanuele Borgonovo78
Soluzione Vendite_Costi
Alte
Vendite
0.300£0
Basse
0.700(£10)
Alto
Costo
0.500(£7)
Alte
0.300£20
Basse
0.700£0
Basso
0.500£6
Investo
Decisione
(£1)
Non-Investo£5; P = 1.000
alto=0.5P_Alte=0.3P_alto=0.5
Non-Investo : £5
Metodi Quantitativi per il Management
Emanuele Borgonovo79
Guasto in produzione• Un sistema industriale composto da due linee ha subito un guasto ad una linea. La capacità
produttiva è quindi ridotta al 50%. Il management si trova di fronte alla seguente decisione e vi chiede una collaborazione. Vi viene spiegato che si può procedere a: 1) una riparazione intermedia, della durata di due giorni, con un costo di riparazione di €500000. Per ogni giorno di produzione perso si ha una perdita di incassi pari a €25000 al giorno (il valore giornaliero della produzione è di €50000. Dalle stime degli ingegneri, la probabilità di riparare perfettamente la linea rotta in due giorni è pari a P_2g . Nel caso in cui la riparazione non sia perfetta, la linea perderà il 15% della capacità produttiva; 2) un intervento più incisivo, della durata di 10 giorni, con un costo di riparazione di €1000000. Con probabilità P_10g la linea sarà come prima del guasto.
• Secondo voi la vita residua dell’impianto è importante per la decisione?• Supponete che vi siano ancora tre anni di vita per l’impianto. Quale intervento conviene
effettuare? – Individuate gli elementi della decisioni– Realizzate in diagramma di influenza corrispondente– Trovate I valori delle probabilità per cui conviene un intervento piuttosto che l’altro– Cosa consigliereste al direttore dell’impianto?– Cosa succederebbe se la vita dell’impianto fosse di due anni o quattro anni?
Metodi Quantitativi per il Management
Emanuele Borgonovo80
Diagramma di Influenza
Decisione
Riparazione_2g_perfetta
Riparazione_10g_Perfetta
Perdite
Metodi Quantitativi per il Management
Emanuele Borgonovo81
Albero delle Decisioni
Riparazione_2g_perfetta
Riparazione_2g_perfetta
P_2g-50000-500000
Riparazione_2g_non_perfetta
1-P_2g-50000-500000-25000*0.15*365*years
Intervento_2g
Decisione
Riparazione_10g_Perfetta=0
Riparazione_10g_Perfetta
Riparazione_10g_Perfetta
P_10g
Riparazione_2g_perfetta=0-250000-1000000
Riparazione_10g_non_Perfetta
1-P_10g
Riparazione_2g_perfetta=0-1000000-250000-years*.05*25000*365
Intervento_10g
P_10g=0.9P_2g=0.3years=3
Metodi Quantitativi per il Management
Emanuele Borgonovo82
Valori delle probabilità
• Tre anni
Metodi Quantitativi per il Management
Emanuele Borgonovo83
2 anni e 4 anni
• 2 anni
• 4 anni
Metodi Quantitativi per il Management
Emanuele Borgonovo84
Capitolo IV
Elementi di Analisi di Sensibilità
Metodi Quantitativi per il Management
Emanuele Borgonovo85
Sensitivity Analysis and Parameter Importance
• Parameter importance: – Relevance of parameter in a model with respect to a certain
criterion
• Sensitivity Analysis used to Determine Parameter Importance
• Concept of importance not formalized, but extensively used– Risk-Informed Decision Making– Resource allocation
• Need for a formal definition
Metodi Quantitativi per il Management
Emanuele Borgonovo86
Process
• Identify how sensitivity analysis techniques work through analysis of several examples
• Formulate a definition
• Classify sensitivity analysis techniques accordingly
Metodi Quantitativi per il Management
Emanuele Borgonovo87
Sensitivity Analysis Types
• Model Output:
• Local Sensitivity Analysis:– Determines model parameter (xi) relevance with all the
xi fixed at nominal value
• Global Sensitivity Analysis: – Determines xi relevance of xi’s epistemic/uncertainty
distribution
)x,...,x,f(xU n21
Metodi Quantitativi per il Management
Emanuele Borgonovo88
The Differential Importance Measure
• Nominal Model output:– No uncertainty in the model parameters– and/or parameters fixed at nominal value
• Local Decomposition:
• Local importance measured by fraction of the differential attributable to each parameter
ox
i xdU
dU)DIM(x i
nn
22
11
dxx
f...dx
x
fdx
x
fdU
Metodi Quantitativi per il Management
Emanuele Borgonovo89
Global Sensitivity Indices
• Uncertainty in U and parameters is considered• Sobol’’s decomposition theorem:
• Sobol’Indices
20
Ω
2
x
x
ni...ii
...iii...ii
fxd)x(f
...dxdxf...
D
D)(xS
i1
i1
1n1
s1
s1
n
1i nji1n...12jiijii0 )x(f...)x,x(f)x(ff)xf(U
Metodi Quantitativi per il Management
Emanuele Borgonovo90
Formal Definition of Sensitivity Analysis (SA) Techniques
• SA technique are Operators on U:
)]x,...,x,f(x[UI(x)^ n21
x1x2 xn
I(x1)I(xn) I(x2)
or
or
Metodi Quantitativi per il Management
Emanuele Borgonovo91
Importance Relations
• Importance relations:– X the set of the model parameters; – Binary relation
xi xj iff I(xixj)
xi~xj iff I(xixj)
xi xj iff I(xixj)
xi xj iff I(xixj)
• Importance relations induced by importance measures are complete preorder
Metodi Quantitativi per il Management
Emanuele Borgonovo92
Additivity Property
• In many situation decision-maker interested in joint importance:
• An Importance measure is additive if:
• DIM is additive always
• Si are additive iff f(x) additive and xj’s are uncorrelated
)xx(I)x,x(I jiji
)x(I)x(I)x,x(I jiji
Metodi Quantitativi per il Management
Emanuele Borgonovo93
Techniques that fall under the definition of Local SA techniques
IMPORTANCEMEASURE
EQUATIONTYPEADDITIVE
DIM
dU
dUix
Local Yes
L0
i
i
xU
x
x
U Local No
Tornado Diagrams U Local No
One Way Sensitivity U Local No
Fussell-Vesely0
0
i0x
)x(U
x)x(U Local No
Risk Achievement Worth
0
i
U
xU Local No
Metodi Quantitativi per il Management
Emanuele Borgonovo94
Global Importance Measures
IMPORTANCEMEASURE
EQUATION TYPE ADDITIVE
Sobol’ IndicesD
Ds1...ii Global No
Extended Fast
1j
2j
2
1p
2wp
2wp
i
BA2
BA2
S
j
iiGlobal No
Morris
)x,...,x,...,x(f
xd ni1i Global No
PearsonUi
ii
)x,Ucov(
Global No
Smirnov )X(Y)X(Ysup i2i1 Global No
Standardizedregression coefficients
kkb Global No
Metodi Quantitativi per il Management
Emanuele Borgonovo95
Sensitivity Analysis in Risk-Informed Decision-Making and Regulation
• Risk Metric:
• xi is undesired event probability
• Fussell-Vesely fractional Importance:
• Tells us on which events regulator has to focus attention
)x,...,x,f(xR n21
R
)x(R,)FV(x i
i
Metodi Quantitativi per il Management
Emanuele Borgonovo96
Summary of the previous concepts
• Formal Definition of Sensitivity Analysis Techniques
• Definition of Importance Relations• Definition enables to:
– Formalize use of Sensitivity Analysis– Understand role of Sensitivity Analysis in Risk-
informed Decision-making and in the use of model information
Metodi Quantitativi per il Management
Emanuele Borgonovo97
Sensitivity Analysis
• Various Types of SA– One Way SA– Two Way SA– Tornado Diagrams– (Differential Importance Measure)
• Uncertainty Analysis– Monte Carlo– (Global SA)
Metodi Quantitativi per il Management
Emanuele Borgonovo98
How do we use SA?
• a) To check model correctness and robustness
• b) To Further interrogate the model– Questions:
• What is the most influential parameter with respect to changes?
• What is the most influential parameter on the uncertainty (data collection)
Metodi Quantitativi per il Management
Emanuele Borgonovo99
• Underline the critical dependencies of the outcome
Sensitivity Analysis (Run or withdraw)
Tornado Diagram atDecision
Expected Value
$49K $55K $61K $67K $73K
pfailure: 0.25 to 0.75
pwin: 0.3 to 0.7
pfive: 0.2 to 0.4
Sensitivity Analysis on pfailure
pfailureE
xpec
ted
Val
ue0.450 0.525 0.600 0.675 0.750
$62K
$59K
$56K
$53K
$50K
$47K
$44K
$41K
$38K
Run
Withdraw
Threshold Values:
pfailure = 0.597EV = $50K
Metodi Quantitativi per il Management
Emanuele Borgonovo100
Contenuti
• Analisi di Sensitività– One way sensitivity– Two way sensitivity– Tornado Diagrams
• Analisi di Incertezza– Incertezza Aleatoria– Incertezza Epistemica– Teorema di Bayes per distribuzioni
continue– Metodo Monte Carlo
Metodi Quantitativi per il Management
Emanuele Borgonovo101
Analisi di Sensitività
• Per sensitività o sensibilità si intende il cambiamento del risultato (output) in funzione del cambiamento di uno dei parametri del modello (input)
• Tipi più semplici di analisi di sensitività:– one way sensitivity– two way sensitivity– Tornado diagrams
Metodi Quantitativi per il Management
Emanuele Borgonovo102
Analisi di sensitività ad un modo• Alterando una alla volta le variabili del modello, una
si analizza come cambia la decisione. • Permette di analizzare il variare del valore di
ciascuna delle alternative al variare del parametro su cui stiamo degli eventi
Sensitivity Analysis on pfailure
pfailure
Exp
ecte
d V
alue
0.450 0.525 0.600 0.675 0.750
$62K
$59K
$56K
$53K
$50K
$47K
$44K
$41K
$38K
Run
Withdraw
Threshold Values:
pfailure = 0.597EV = $50K
Metodi Quantitativi per il Management
Emanuele Borgonovo103
Analisi di sensitività Bi-variata
• In questo caso si variano due parametri.• Anzichè una linea si ottiene il piano delle combinazioni, in cui ogni
regione coincide con la decisione preferenziale dati i valori dei due parametri
Metodi Quantitativi per il Management
Emanuele Borgonovo104
Tornado Diagrams
• Si focalizza l’analisi sulla decisione principale• Si sceglie un intervallo di variazione per
ciascuno dei parametri• Si alterano una alla volta tutti i parametri• Si registra il cambiamento dell’output• Si mostra il cambiamento dell’output con una
barra orizzontale • La variabile che “incide” di più è quella
corrispondente alla barra più larga
Metodi Quantitativi per il Management
Emanuele Borgonovo105
Esempio di Tornado Diagram
Tornado Diagram atDecision
Expected Value
$49K $55K $61K $67K $73K
pfailure: 0.25 to 0.75
pwin: 0.3 to 0.7
pfive: 0.2 to 0.4
Metodi Quantitativi per il Management
Emanuele Borgonovo106
Pregi e Difetti
• Pregi
– Semplicità di calcolo
– Immediatezza nella lettura dei risultati
• Difetti– Range di variazione delle
variabili arbitrario, non consente una interpretazione dell’importanza (non si dovrebbero classificare)
– Una o al massimo due parametri possono essere cambiati contemporaneamente
Metodi Quantitativi per il Management
Emanuele Borgonovo107
Capitolo V
Analisi di Incertezza
Metodi Quantitativi per il Management
Emanuele Borgonovo108
Analisi di Incertezza
Monte Carlo Simulation atDecision
Value
Pro
babi
lity
$10K $40K $70K $100K $130K
1.000
0.900
0.800
0.700
0.600
0.500
0.400
0.300
0.200
0.100
0.000
Metodi Quantitativi per il Management
Emanuele Borgonovo109
Contenuti
• Distinzione tra Incertezza Aleatoria ed Incertezza Epistemica
• Il teorema di Bayes nel continuo come rappresentazione dell’incertezza epistemica
• Il metodo Monte Carlo per la propagazione dell’incertezza
Metodi Quantitativi per il Management
Emanuele Borgonovo110
Incertezze
• Incertezza Aleatoria:– Da “Alea” dadi: “Alea jacta est”
si riferisce all’ accadimento di un determinato evento casuale.– Esempio: l’accadere di un terremoto
• Incertezza Epistemica:– Dal Greco “”, Conoscenza
riflette la nostra mancanza di conoscenza del valore dei parametri del modello che si riferisce all’evento
Metodi Quantitativi per il Management
Emanuele Borgonovo111
Esempio: modello aleatorio
• La probabilità di un terremoto è di solito modellizzato da una distribuzione di Poisson:
• che rappresenta la probabilità che il numero di terremoti che avviene nel tempo t sia n.
• La distribuzione di Poisson si ottiene per eventi indipendenti in cui l’accadere dell’evento non influenza l’accadere degli eventi successivi e la probabilità dell’evento in ogni intervallo di tempo è la stessa
• AL MODELLO scelto per descrivere come si comportano i terremoti viene dato il nome di modello aleatorio [in inglese, con un po’ meno di modestia “model of the world” (MOW).]
!n
)t(e)t,n(P
nt
Metodi Quantitativi per il Management
Emanuele Borgonovo112
Informazioni utili sulla Poisson
– è la probabilità che nel tempo t si verifichino n eventi
• La somma per n=0... di P(n,t) è 1.
• La probabilità di avere k>N eventi è data da:
• E[n]=t
!n
)t(e)t,n(P
nt
0n
ttn
t
0n
nt
1ee!n
)t(e
!n
)t(e
N
0n
nt
1Nn
nt
!n
)t(e1
!n
)t(e
tt
0n
1nt
0n
nt
0n
nt
ete!1n
)t(te
!1n
)t(e
!n
)t(ne
Metodi Quantitativi per il Management
Emanuele Borgonovo113
Il corrispondente modello epistemico
• Ora, nonostante gli studi, è ben difficile che uno scienziato sappia con esattezza il valore del parametro della distribuzione. Più probabilitmente è descritto da una serie di valori. Per esempio può stare tra 1/5 e 1/50 anni. Supponiamo che lo scienziato decida di esprimere il suo stato di conoscenza su tramite una distribuzione uniforme u( ):
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.20
1
2
3
4
5
6
7
8Epistemic distribution for the frequency of earthquakes
lambda
f(lam
bda)
5/150/150/15/1)(u
5/150/10)(u
Metodi Quantitativi per il Management
Emanuele Borgonovo114
A questo punto...• Ci ritroviamo con due modelli:
• Il modello aleatorio: eventi avvengono secondo distribuzione di Poisson
• Il modello espitemico: distribuzione uniforme dell’incertezza
• Allora, qual è la probabilità di avere un terremoto nei prossimi due anni?
• Risposta: non c’è Una probabilità, ma c’è una p(n,t, ) per ogni valore di .
• Quindi dobbiamo riscrivere:
d)(u!n
)t(ed),t,n(p
nt
Metodi Quantitativi per il Management
Emanuele Borgonovo115
….
• Questa espressione ci dice che non tutte le distribuzioni di Poisson pesano (in genere) allo stesso modo. Quindi:
• Nel nostro caso: u()=c; quindi:
d)(u!n
)t(ed),t,n(p)t,n(P
nt
dn
tecdtnptnP
nt
!
)(),,(),(
Metodi Quantitativi per il Management
Emanuele Borgonovo116
In Generale
• Il MOW dipenderà da m parametri , ,…:
• La probabilità dell’evento (indichiamolo ancora con t) sarà:
),....,t(MOW
.....dd,....),(f),....,t(MOW)t(P
Metodi Quantitativi per il Management
Emanuele Borgonovo117
Un problema
• La probabilità di rottura di una serie di componenti attorno al tempo dt è data dalla densità esponenziale:
• Dai dati a vostra disposizione emerge che:
• Qual è il tempo medio di rottura?
dtedf t
2.0p10/1
3.0p8/1
5.0p5/1
Metodi Quantitativi per il Management
Emanuele Borgonovo118
Soluzione
• E[t]=
0
t3
0
t2
0
t1 1.0)dtet(5.0)dtet(5.0)dtet( 321
1.0/13.0/15.0/1 321
9.6
Metodi Quantitativi per il Management
Emanuele Borgonovo119
Teorema di Bayes nel continuo
• Incertezza eistemica e teorema di Bayes sono collegati in quanto sappiamo che possiamo usare l’evidenza per aggiornare le probabilità.
• Ad esempio, supponete di avere una moneta e di voler sapere se la probabilità che esca testa o croce sia del 50%.
• Come fate?• Tirate la moneta….
Metodi Quantitativi per il Management
Emanuele Borgonovo120
Formula
• La densità di probabilità di un parametro, dopo aver raccolto l’evidenza (E) cambia come segue:
• L(E)=MOW likelihood o verosimiglianza 0=() è la densità di probabilità di prima dell’evidenza
detta distribuzione a priori =() è la densità di probabilità di prima dopo l’evidenza
detta distribuzione a posteriori
)()E(L
)()E(L)(
0
0
Metodi Quantitativi per il Management
Emanuele Borgonovo121
Deriviamolo• Prendiamo la formula del teorema di Bayes nel discreto:
• Passiamo al continuo: in questo caso vogliamo sapere la probabilità che un parametro nella distribuzione assuma un determinato valore dato che un certo evento si è verificato
• Quindi l’evento Aj è: assume il valore *
• Da cui: P(Aj)0()d 0()=densità a priori
• Quindi: P(EAj) ha il significato di probabilità che l’evidenza E si realizzi dato che sia pari a * . Si scrive L(E, ) ed è chiamata funzione verosimiglianza: ma è anche il MOW!!!
n
1iii
jj
j
)A(P)AE(P
)A(P)AE(P)EA(P
Metodi Quantitativi per il Management
Emanuele Borgonovo122
Deriviamolo
• Il denominatore esprime la somma delle probabilità dell’evidenza dati tutti i possibili eventi. Nel caso dell’ncertezza epistemica i possibili eventi sono i valori del parametro . Quindi:
• Sostituendo i vari termini si trova la formula del teorema di Bayes per stribuzioni continue che abbiamo mostrato prima
d)()E(L)A(P)AE(P 0
n
1iii
Metodi Quantitativi per il Management
Emanuele Borgonovo123
E’ una moneta onesta?• Quale è il modello aleatorio?
• E’ una binomiale:
• 2) Quale è il valore di p?• Supponiamo di non sapere nulla su p e allora scegliamo una
distribuzione a priori non informativa: la uniforme
• Raccogliamo l’evidenza. • Al primo lancio esce testa• Al secondo croce • Al terzo testa
knk )p1(pk
n)kn,k(P
.altr0,1p01)p(0
Metodi Quantitativi per il Management
Emanuele Borgonovo124
Ristulato• Primo lancio
– Evidenza t.– MOW: L(tp)=p
– Priori: 0
• Secondo lancio: – Evidenza è c– MOW: L(cp)=(1-p)
– Priori: 1
• Terzo lancio:– Evidenza t– MOW: L(tp)=p
– Priori: 2
• Equivalentemente:– Evidenza: t,c,t– L(tctp)=p2(1-p)– Priori: 0
p2
pdp
1p
dp)p()pE(L
)p()pt(L)p(
1
0
0
01
)pp(6
dp)pp(
)p1(p
dp)p()ptc(L
)p()ptc(L)p(
2
1
0
21
12
)pp(12
dp)p1(p
)p1(p
dp)p()ptc(L
)p()ptc(L)p(
32
1
0
2
2
2
23
)pp(12
dp1)p1(p
1)p1(p
dp)p()ptc(L
)p()ptct(L)p(
32
1
0
2
2
2
03
Metodi Quantitativi per il Management
Emanuele Borgonovo125
Grafico
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
0
1
2
3
Metodi Quantitativi per il Management
Emanuele Borgonovo126
Distribuzioni Coniugate
• Likelihood– Poisson
• Distr. a Posteriori
• Distr. A Priori– Gamma
• dove:
!n
)t(e)t,n(P
nt
e)(
),,(1
'1''
e)'(
')',',(
t'
r'
Metodi Quantitativi per il Management
Emanuele Borgonovo127
Distribuzioni Coniugate
• Likelihood– Normale
• Distr. a Posteriori: Normale
• Distr. A Priori di :– Normale
• dove:
2
x
x )σ
μx(
2
1
x
X eπ2σ
1)x(f
2
μ
x )σ
μm(
2
1
μ0 e
π2σ
1)m(π
20μ
2x
20μ
2x'
)σ(n)σ(
)σ(xn)σ(μμ
2
'x
)σ
'μx(
2
1
xG e
π2'σ
1)x(f
n/)σ()σ(
)σ()n/σ(σ
2x
2μ
2μ
2x'
x
Metodi Quantitativi per il Management
Emanuele Borgonovo128
Distribuzioni Coniugate
• Likelihood– Binomiale
• Distr. a Posteriori:
Beta
• Distr. A Priori di :– Beta
• dove:
knk )p1(pk
n
kq'q
knr'r
1r)1q(0 )p1(p)p(π
1'r)1'q(1 )p1(p)p(π
Metodi Quantitativi per il Management
Emanuele Borgonovo129
Riassunto delle Distribuzioni Coniugate
Modello Aleatorio Distribuzione a Priori
Distribuzione a Posteriori
Binomiale Beta Beta
Poisson Gamma Gamma
Normale Normale Normale
Normale Gamma Gamma
Negative binominal Beta Beta
N
Metodi Quantitativi per il Management
Emanuele Borgonovo130
Incertezza nei Problemi decisionali• Investimento:
• Supponiamo che P.up sia distribuita secondo una uniforme tra 0.3 e 0.7
• Come varia la decisione?
• Occorre propagare l’incertezza nel modello
21
2
1jjjRisky CP.up)1(CP.upC)C(P]U[E
21
2
1jjjRisky UP.up)1(UP.upC)C(P]up.PU[E
43
2
1jjjLessRisky CP.up)1(CP.upC)C(P]U[E
5
2
1jjjLessRisky C1C)C(P]U[E
Metodi Quantitativi per il Management
Emanuele Borgonovo131
Propagazione analitica
• E’ lo stesso problema del MOW …
• Ripetendo per le altre decisioni e confrontando i valori attesi si ottiene la decisione ottimale
• Ricordiamo: xd)x(f)x(g)]x,...,x,x(g[E n21
up.dP)up.P(fUP.up)1(UP.up
up.dP)up.P(f]up.PU[EUE
21
RiskyRisky
Metodi Quantitativi per il Management
Emanuele Borgonovo132
Metodo Monte Carlo
• Campionamento di un valore di P.up
• Per ogni valore di P.up si valuta il modello.
• 2 informazioni:– Frequenza della decisione migliore– Distribuzione di ciascuna delle alternative
Metodi Quantitativi per il Management
Emanuele Borgonovo133
Campionamento: il cuore del Monte Carlo
• 1) Generatore di numeri casuali “u” tra 0 e 1
• (I numeri sono generati con distribuzione uniforme)• 3) Supponiamo che il parametro incerto sia
caratterizzato dalla distribuzione cumulativa in figura:
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
Distribuzione cumulativa esponenziale
0 1u
Metodi Quantitativi per il Management
Emanuele Borgonovo134
Campionamento
• Inversione:
• I valori di così ottenuti seguono la densità/cumulativa da cui abbiamo invertito
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
Distribuzione cumulativa esponenziale1
0
)u(F 1
Metodi Quantitativi per il Management
Emanuele Borgonovo135
Esempio
• Valutare il volume del solido mediante metodo Monte Carlo.
0in
nV
N
nlimV
VV0
Metodi Quantitativi per il Management
Emanuele Borgonovo136
Applicazione ID e DT
• Per ognuna delle variabili del modello si crea la corrispondente distribuzione epistemica
• Storia 1: • Si generano n numeri casuali tanti quanti sono le variabili incerte• Si campiona il valore di ciascuna variabile invertendo la
distribuzione comulativa corrispondente• Si valuta il modello• Si registra per ciascuna storia il valore di ciascuna delle
alternativa• Si registra l’alternativa preferita
• Si ripete il procedimento per N storie
Metodi Quantitativi per il Management
Emanuele Borgonovo137
Risultato
• Frequenza della decisione
Monte Carlo Simulation atDecision
Value
Pro
babi
lity
$10K $40K $70K $100K $130K
1.000
0.900
0.800
0.700
0.600
0.500
0.400
0.300
0.200
0.100
0.000
• Incertezza della decisione più frequente
Metodi Quantitativi per il Management
Emanuele Borgonovo138
Problema V-1
• Il tempo medio di rottura di una serie di componenti in funzionamento è descritto da una distribuzione esponenziale con parametro . Supponete che sia caratterizzato da una distribuzione uniforme tra 1/100 e 1/10.– Qual è il MOW? Quale il modello epistemico?– Qual è il tempo medio di rottura?
• Supponete di avere registrato I seguenti tempi di rottura: t=15, 22, 25.– Aggiornate la distribuzione epistemica in base ai nuovi dati– Qual è il nuovo tempo medio di rottura?
Metodi Quantitativi per il Management
Emanuele Borgonovo139
Problema V-2: Investire• Siamo di nuovo alle prese con il problema dell’investimento (lezione 2 per il
diagramma di influenza). In realtà, fino ad oggi non avete raccolto dati per la P_up. Dopo aver saputo del teorema di Bayes, cominciate a raccogliere dati. Dopo 15 giorni lavorativi avete: up,down, down,down,down,up,down,up,down,up,down,up,up,up. Assumendo che le giornate siano indipendenti:
• a) Quale è il modello aleatorio e quale quello epistemico?• b) Senza i dati qual è la decisione migliore?• c) Qual è la distribuzione probabilità che il mercato sia up dopo i dati?• d) Cosa decidete ora?• Soluzione: a) Stabilire un modello aleatorio ed uno epistemico
– Il modello aleatorio consta del modello degli eventi che caratterizzano la decisione. In questo caso abbiamo un solo evento, l’andamento del mercato. Il modello aleatorio di questo evento è una binomiale, dato che ci sono solo due eventi possibili, up e down, se assumiamo indipendenza tra le giornate. La probabilità corrispondente è P_up.
– Il modello epistemico: è l’insieme delle distribuzioni che descrive la nostra conoscenza dei parametri del modello aleatorio. In questo caso è la dstribuzione di P_up. La distribuzione a priori: partiamo da una uniforme tra 0 e 1 per P_up, dato che non abbiamo dati
• b) Dobbiamo riprendere le espressioni del valore delle tre alternative in funzione di P_up
Metodi Quantitativi per il Management
Emanuele Borgonovo140
Prob. 5-2• Per sapere qual è la decisione
migliore, dobbiamo ottenere il valore atteso delle tre alternative sulla distribuzione a priori di P_up, quindi sulla uniforme
• Sostituendo i valori: E[URisky]=50, E[USafe ]= 20, E[ULess Risky ]= 20
21
2
1jjjRisky CP_up)1(CP_upC)C(P]P_upU[E
43
2
1jjjLessRisky CP_up)1(CP_upC)C(P]up_PU[E
5
2
1jjjLessRisky C1C)C(P]up_PU[E
2121
1
0
21
1
0
RiskyRisky
CC5.0CCP_upE
up_dP)up_P(fCP_up)1(CP_upup_dP)up_P(f]P_upU[E]U[E
2143
1
0RiskyLessRiskyLess CC5.0CCP_upEup_dP)up_P(f]P_upU[E]U[E
5LessRisky C]up_PU[E
Metodi Quantitativi per il Management
Emanuele Borgonovo141
Investire• c) Usiamo Bayes per aggiornare l’uniforme
– Evidenza: up,down, down,down,down,up,down,up,down,up,down,up,up,up
– L(E|P_up):
– Priori: 0 uniforme tra 0 e 1
• Teorema di Bayes:
• Distribuzione a posteriori
• E[p_up]=0.47
• d) Decisione dopo i dati: E[URisky]=23, E[USafe ]= 20, E[ULess Risky ]= 9.2
1
0
87
87
1
0
87
87
up_dP)up_P1()up_P(
)up_P1()up_P(
up_dP1)up_P1()up_P(!8!7!15
1)up_P1()up_P(!8!7!15
P_up)|L(E
0
0.5
1
1.5
2
2.5
3
3.5
0
0.07
0.14
0.21
0.28
0.35
0.42
0.49
0.56
0.63 0.7
0.77
0.84
0.91
0.98
p0
p1
87 )up_P1()up_P(!8!7
!15P_up)|L(E
Metodi Quantitativi per il Management
Emanuele Borgonovo142
Problemi
• Per gli esempi e gli esercizi della scorsa lezione, sottoponete i modelli ad analisi di sensitività:– One way– Two way– Tornado diagrams
• Discutete i risultati
Metodi Quantitativi per il Management
Emanuele Borgonovo143
Decisione Bayesiana
• Siete i direttori di una libreria. Per migliorare le vendite state pensando di assumere ulteriore personale. Assumendo più persone, pensate, dovrebbe migliorare il servizio. Se il servizio migliora, vi aspettate un aumento del numero dei clienti e il conseguente aumento del fatturato. Supponete che il numero di persone che entrano nel negozio ogni giorno sia distribuito secondo una Poisson, con tasso non noto con certezza. Dai dati a vostra disposizione sul numero di clienti ad oggi vi aspettate in media 50 persone al giorno. I dati fittano una distribuzione gamma con valore atteso 55 e deviazione standard 15. L’aumento di costi dovuto al servizio è 5000EUR al mese. Se il servizio è efficace e ricevete più di 50 visite al giorno, ricavate 15000EUR, per un guadagno operativo di 10000 medio sul numero di visite. Se non riuscite a superare le 50 persone al giorno, allora perdete i 5000EUR. In base ad un sondaggio, stimate la probabilità che il servizio aumenti di qualità pari p. Cosa decidete?
• Dopo 6 giorni, avete a disposizione I seguenti dati sul numero di clienti: 75,45,30,80,72,41.
• Riaggiornate le probabilità. Cosa decidereste adesso?• Quanto vi aspettate di guadagnare adesso?• Sottoponete I risultati ad analisi di sensitività sulle probabilità. Cosa vi suggerisce?
Metodi Quantitativi per il Management
Emanuele Borgonovo144
Diagramma di influenza
Decisione Servizio Clienti Guadagno
Più di 500
Clienti
P_500_up10000
Meno di 500
1-P_500_up-5000
Migliora
Servizio
Pmigl
-5000Non Migliora
1-Pmigl
Investo
Decisione
Non Investo
Clienti=0Servizio=0
0
P=0.1Pmigl=0.5P_500=0.5P_500_down=0.5P_500_up=0.7
Metodi Quantitativi per il Management
Emanuele Borgonovo145
Capitolo VI
Elementi di Teoria delle Decisioni
Metodi Quantitativi per il Management
Emanuele Borgonovo146
Contenuti
• Preferenze nella Certezza– Curve di indifferenza– Funzione Valore [V(x)]: proprietà– Indipendenza preferenziale
• Preferenze nell’incertezza– Assiomi delle scelta razionale– Funzione Utilità [U(x)] ad una dimensione– Avversione al rischio
• Preferenze in presenza di obiettivi molteplici– Funzioni Utilità a multiattributi
Metodi Quantitativi per il Management
Emanuele Borgonovo147
Preferenze nella certezza
• Esempio: dovete sceglire il primo lavoro. Stabilite che gli attributi sono: località (misurata in distanza dal vostro luogo di origine), salario di base e prospettive di carriera. Chiamate gli attributi x1, x2, x3. Avete a disposizione 5 scelte o opzioni a1, a2,…,a5. Ad ogni scelta corrisponde con certezza un livello di x1, x2, x3. Ovvero: le conseguenze di ogni scelta sono note con certezza. Come decidete?
• Si tratta di un problema di scelta a più attributi, in cui le conseguenze di una decisione sono note con certezza.
• In questo caso dovete solamente stabilire quanto rinunciare di un attributo a favore di un altro.
Metodi Quantitativi per il Management
Emanuele Borgonovo148
1
Opzione
X1
2X2
3X3
4X4
5X5
X1=0.0X2=0.0X3=0.0X4=0.0X5=0.0
Opzione Valore
Preferenze nella Certezza
• La scelta è tra alternative le cui conseguenze sono certe
Metodi Quantitativi per il Management
Emanuele Borgonovo149
E’ possibile strutturare le preferenze?
• Per un determinato problema, potete creare le curve di indifferenza o di isopreferenza:
• Punti che giacciono sulla stessa curva vi lasciano indifferente
x1
x2
Metodi Quantitativi per il Management
Emanuele Borgonovo150
La funzione Valore
• Supponete di poter associare un valore ad ogni curva di indifferenza:
• V(x) è la funzione che ci dice quanto sono disposto a scambiare di xj a fronte di un aumento di xk
x1
x2
)x,...,x,x(v)x(V n21
Metodi Quantitativi per il Management
Emanuele Borgonovo151
V(x)
• V(x) è una funzione valore se soddisfa le seguenti proprietà:
• a)
• b)
• Dovete sempre supporre una corrispondenza tra opzioni (ai) e attributi x
)''x(v)'x(v''x'x
)''x(v)'x(v''x'x
Metodi Quantitativi per il Management
Emanuele Borgonovo152
Esempio• Per la scelta del lavoro, supponete di essere giunti
alla seguente funzione preferenza:
• dove x1 è la distanza misurata in centinaia di chilometri, x2 è la prospettiva di carriera misurata in una scala da 0 a 10 e x3 è lo stipendio misurato in k EUR
• Supponete di avere le seguenti 5 offerte:– (1, 5, 20), (5, 4, 10), (8,3,60), (10, 5, 20), (10,2,40)
• Quale scegliete?
232
21 xx4x/3)x(v
Metodi Quantitativi per il Management
Emanuele Borgonovo153
Preferenze nell’Incertezza
Opzione Evento Casuale Utilità
P11U1
P12 U2
P13U3
P14U4
1
2
3
P41 U1
P42U2
P43U3
P44U4
4
Scelta
Ora ho una miscela delle conseguenze di prima: per scegliere non uso più la funzione Valore (V(x)) ma l’Utilità (U(x))
Metodi Quantitativi per il Management
Emanuele Borgonovo154
Funzione Utilità
• Utilità è una funzione che dà la preferenza sulle distribuzioni degli attributi.
• Date le distribuzioni 1 e 2 sulle conseguenze x, la distribuzione 1 è tanto desiderabile quanto la 2 se e solo se:
)2x(UE)1x(UE
Metodi Quantitativi per il Management
Emanuele Borgonovo155
Utilità vs. Valore
– Problema ad 1 attributo x. Supponiamo che se l’alternativa 1 produce x1 e la 2 x2, allora 12 se x1>x2
– Prendiamo due alternative 1 e 2, con x1>x2, dati con certezza.
– La funzione valore ci dirà: v(x1)>v(x2)
– Adesso prendete il seguente problema:
– Per decidere avete bisogno di u(1) e u(2)
P1X1
1-P1XN
XI
1
2
Metodi Quantitativi per il Management
Emanuele Borgonovo156
Dominanza stocastica
0 1 2 3 4 5 6 7 8 9 100
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
prob
abil
ity
dist
ribu
tion
s ov
er x
Distributions over attribute x
1
2
La distribuzione 1 è dominata dalla 2, se ottenere più x è preferibile. Viceversa, se ottenere meno x è preferibile, allora la distribuzione 2 è dominata dalla 1
Metodi Quantitativi per il Management
Emanuele Borgonovo157
Utilità in una Dimensione
Metodi Quantitativi per il Management
Emanuele Borgonovo158
Equivalente Certo• Data la lotteria:
• il valore di x tale che siete indifferenti tra x* per certo e giocare la lotteria.
• In equazioni:• N.B.: se siete neutrali rispetto al rischio, allora
x*=E[x]
)x(uE*)x(u
P1X1
1-P1XN
X3
1
2
P1X1
1-P1X2
X*
1
2
Metodi Quantitativi per il Management
Emanuele Borgonovo159
Definizione di Avversione al Rischio
• Un decisore è avverso al rischio se preferisce sempre il valore atteso di una lotteria alla lotteria
• Hp: funzione di utilità crescente. Th: Sitete avversi al rischio se l’equivalente certo di una lotteria è sempre inferiore al valore atteso della lotteria
• Siete avversi al rischio se e solo se la vostra funzione utilità è concava
(£20)
0.500£40
0.500 £20
1£10
2£10; P = 1.000
2 : £10
Metodi Quantitativi per il Management
Emanuele Borgonovo160
Premio per il Rischio e Premio di Assicurazione
• Il premio per il rischio (“RP”) di una lotteria è la differenza tra il valore atteso della lotteria e il vostro equivalente certo per la stessa:
• Intuitivamente, il premio per il rischio è la quantità di attributo a cui siete disposti a rinunciare per evitare i rischi connessi alla lotteria.
• Supponete ora di trovarvi di fronte ad una lotteria che abbia solo esiti negativi rispetto allo status quo. (una tale lotteria non è altro che un insieme di incidenti). In pratica E[x]=0. A questo punto:
• Quindi siete disposti a pagare x* pur di coprirvi dalla lotteria. RP in questo caso è il Premio di Assicurazione (PA)!
• Quindi:
*xxERP
*xRP
*x:PA
Metodi Quantitativi per il Management
Emanuele Borgonovo161
Definizione Matematica
• La funzione avversione al rischio è definita da:
• che si può anche scrivere:
• Supponiamo di avere una avversione al rischio costante, otteniamo una funzione utilità esponenziale:
)x('u
)x("u:)x(r
))x('uln(dx
d)x(r
bea)x(u
)ee(1
)x(u)x(udtedt)t('u
e)x('ux))x('uln())x('uln(dx
d
x
xx0
x
x
t)x(u
)x(u
x
0
00
Metodi Quantitativi per il Management
Emanuele Borgonovo162
Risk Preferences
• Constant Risk Aversion
• Compute constant through Certainty Equivalent (CE):
re1U
CE2/xx ee5.0e5.0 11
Metodi Quantitativi per il Management
Emanuele Borgonovo163
Investment Results with Risk Aversion
Market up
Market
0.6001-exp(-200/70) = 1
Market Down
0.4001-exp(-(-160)/70) = -9
Blue Chip Stock
Decision
-3
Market up
0.6001-exp(-500/70) = 1
Market Down
0.4001-exp(-(-600/70)) = -5,278
-2,110
Bond=11-exp(-50/70) = 1; P = 1.000
TwoStock
prob_up=0.6 Risky Investment
Metodi Quantitativi per il Management
Emanuele Borgonovo164
A quale valore accetterei l’investimento rischioso
Sensitivity Analysis on prob_up
prob_up
Exp
ecte
d V
alue
0.40 0.52 0.64 0.76 0.88 1.00
400.0
0.0
-400.0
-800.0
-1,200.0
-1,600.0
-2,000.0
-2,400.0
-2,800.0
-3,200.0
Blue Chip Stock
Risky Investment
Bond
Threshold Values:
prob_up = 0.96EV = 0.5
prob_up = 1.00EV = 0.9
Metodi Quantitativi per il Management
Emanuele Borgonovo165
Esempi di funzioni Utilità
• Lineare: u=ax– Proprietà:
• Neutrale rispetto al rischio
• Esponenziale:– Proprietà:
• Segno - Avversione al rischio costante, + propensione al rischio costante
• Logaritmica: – Proprietà:
• Avversione al rischio decrescente con x
bea)x(u cx
b)xln(a)x(u
Metodi Quantitativi per il Management
Emanuele Borgonovo166
Problemi
Metodi Quantitativi per il Management
Emanuele Borgonovo167
Problema VI-1
• Per le seguenti tre funzioni utilità,
• calcolate: – La funzione di rischio r(x)– Il premio di rischio per lotterie 50/50– Il premio di assicurazione
xa)x(u
bea)x(u x
b)xln(a)x(u
Metodi Quantitativi per il Management
Emanuele Borgonovo168
Problema VI-2
• Considerate una lotteria 50/50. Determinate la vostra costante di avversione al rischio, assumendo una funzione esponenziale.
• Con la costante trovata nell’esercizio precedente, risolvete i problemi e i diagrammi di influenza assegnagi nella lezione 2. Come cambiano le decisioni?
Metodi Quantitativi per il Management
Emanuele Borgonovo169
Problema VI-3
• State analizzando alternative per le vostre vacanze:
– Un tour per le città culturali d’Italia, durata 10 giorni, costo 500EUR, per un totale di 1500km percorsi in macchina.
– Un viaggio ai Caraibi, durata 1 settimana, costo 2000EUR, viaggio in aereo.
– 15 giorni in una località Trentino, per un costo di 2000EUR, con 500km di passeggiate a piedi.
• In questo caso, per decidere vi serve una funzione utilità o valore?
• Ragionate sull’ assegnazione di una funzione valore a tre attributi, e provate a decidere. Provate la seguente funzione:
• dove x1 è il costo in migliaia di EUR, x2 è la distanza e x3 è un coefficiente di merito riposo/divertimento da assegnare tra 1 e 10.
• Cosa scegliete?
c
x
b
)x(e1)x(s 3
22
xa
11